Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Perception des patients allergiques cutanés vis-à-vis de l’intelligence artificielle en santé
0
Zitationen
5
Autoren
2026
Jahr
Abstract
L’intelligence artificielle occupe une place croissante dans le domaine de la santé et devient progressivement accessible au grand public. Les patients atteints de dermatoses allergiques y ont recours pour rechercher des informations, interpréter leurs symptômes ou orienter leurs décisions de soins. Toutefois, la perception qu’ils ont de ces outils, en termes de confiance, de limites et d’attentes, reste peu étudiée en allergologie. Évaluer la perception des patients suivis en dermatologie-allergologie pour des dermatoses allergiques vis-à-vis de l’intelligence artificielle en santé, en analysant leur niveau de confiance, les limites perçues et leurs attentes. Une étude transversale a été menée auprès de patients suivis en consultation de dermatologie-allergologie pour urticaire, eczéma ou toxidermies. Parmi les 80 patients inclus, 52 (65 %) avaient déjà utilisé ou consulté un outil d’intelligence artificielle en santé avant la consultation. Une confiance modérée à élevée était rapportée par 46 % des patients, principalement pour l’obtention d’informations générales et la compréhension des symptômes. En revanche, seuls 18 % estimaient ces outils fiables pour poser un diagnostic. Les principales limites perçues étaient le risque d’erreur diagnostique (62 %), l’absence de prise en compte du contexte individuel (55 %) et l’impossibilité de remplacer l’examen clinique (70 %). Concernant les attentes, 68 % des patients souhaitaient un rôle éducatif, 54 % une aide à l’orientation vers une consultation spécialisée, et seulement 12 % envisageaient l’intelligence artificielle comme un substitut potentiel au médecin. Ces résultats soulignent l’intérêt d’intégrer l’intelligence artificielle dans le parcours allergologique comme un soutien éducatif et d’orientation, tout en rappelant le rôle central et irremplaçable de l’expertise clinique. Ils ouvrent également des perspectives pour le développement d’outils mieux adaptés aux besoins réels des patients et intégrés à une prise en charge médicale structurée.
Ähnliche Arbeiten
Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI
2019 · 8.456 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.332 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 7.779 Zit.
Proceedings of the 19th International Joint Conference on Artificial Intelligence
2005 · 5.781 Zit.
Peeking Inside the Black-Box: A Survey on Explainable Artificial Intelligence (XAI)
2018 · 5.533 Zit.